首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于目标级联分解算法的噪声指标分解方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:中国科学院声学研究所

摘要:本发明公开了一种基于目标级联分解算法的噪声指标分解方法,所述方法包括:步骤1确定整体噪声指标,建立整体噪声指标分解问题;步骤2依据功能、结构和学科领域将问题拆分至满足精细程度的各设计单元;步骤3基于各设计单元,进行参数初始化,选定求解算法,设定迭代次数上限和迭代更新步长;步骤4在迭代更新次数未超出迭代次数上限时,根据求解算法,并行求解拆分后的各个子优化问题,判断是否满足终止条件,判断为是,转至步骤5,否则迭代次数加1,并转至步骤4继续优化;若迭代更新次数超出迭代次数上限,则转至步骤3进行相应调整再次进行优化求解;步骤5整理优化结果,输出噪声指标分解报告。

主权项:1.一种基于目标级联分解算法的噪声指标分解方法,所述方法包括:步骤1确定整体噪声指标,建立整体噪声指标分解问题;步骤2依据功能、结构和学科领域将问题拆分至满足精细程度的各设计单元;步骤3基于各设计单元,进行参数初始化,选定求解算法,设定迭代次数上限和迭代更新步长;步骤4在迭代更新次数未超出迭代次数上限时,根据求解算法,并行求解拆分后的各个子优化问题,判断是否满足终止条件,判断为是,转至步骤5,否则迭代次数加1,并转至步骤4继续优化;若迭代更新次数超出迭代次数上限,则转至步骤3进行相应调整再次进行优化求解;步骤5整理优化结果,输出噪声指标分解报告;所述步骤3具体包括:设定优化跳出条件L=[Lθ,LG],Lθ表示优化所允许的最小链接变量残差,LG表示对不等式约束条件的最大背离度;设定优化目标函数加权值α∈[1,1020];设定迭代更新步长β∈[1,1.3];设定优化迭代次数上限;初始化设计变量X及其定义域[Xmin,Xmax]、响应向量r和目标向量t;初始化拉格朗日算子向量v和w,设定v为零向量,w为单位向量;根据子优化问题特性选择采用序列二次规划算法、遗传算法、粒子群算法进行并行求解;所述步骤4的判断是否满足终止条件;具体包括:将迭代求解所得最优解Xopt代入优化约束条件集得到GXopt,结合θ验证是否满足优化终止条件,所述优化终止条件为: 所述步骤4的否则迭代次数加1,并转至步骤4继续优化;具体包括:迭代次数加1;利用当前计算结果更新响应向量r和目标向量t;利用所得链接变量的残差θ,根据下式得到更新后的拉格朗日算子向量v'和w':v’=v+2w·w·θw'=βw其中,β为迭代更新步长;根据下式更新罚函数: 转至步骤4继续优化。

全文数据:

权利要求:

百度查询: 中国科学院声学研究所 一种基于目标级联分解算法的噪声指标分解方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。